融合全局和局部特征的文本特征提取方法研究*

情报探索

• 理论探索 •

融合全局和局部特征的文本特征提取方法研究*

刘忠宝1　赵文娟2

（1.中北大学计算机与控制工程学院　山西太原　030051）
（2.山西大学商务学院信息学院　山西太原　030031）

收稿日期:2015-09-21 出版日期:2016-01-15 发布日期:2016-01-22
作者简介:刘忠宝（1981—），男，博士，副教授，主要研究领域为机器学习; 赵文娟（1983—），女，硕士，讲师，主要研究领域为信息检索与机器学习。
基金资助:
*本文系江苏省数据工程与知识服务重点实验室开放项目“云环境下基于兴趣图谱的个性化学习资源推荐方法研究”（项目编号：DEKS2014KT005）、中国科学技术信息研究所情报工程实验室开放基金“云环境下基于兴趣图谱的个性化科技信息推荐方法研究”（项目编号：ISTIC-IEL201501）、山西省哲学社会科学“十二五”规划2014年度项目“山西省非物质文化遗产数字化保护方法研究”成果。

Received:2015-09-21 Online:2016-01-15 Published:2016-01-22

摘要/Abstract

摘要： ［目的／意义］为了解决主流特征提取方法的提取效率有限的问题，在Fisher判别分析的基础上，借鉴流形学习思想，提出融合全局和局部特征的文本特征提取方法。［方法／过程］首先定义基于流形的类间离散度（MBCS）以及基于流形的类内离散度（MWCS），然后在Fisher准则基础上通过最大化MBCS与MWCS之比实现特征提取，从而保证类间样本尽可能远离，而类内样本尽可能紧密。［结果／结论］比较实验结果表明该方法有效。

关键词: 文本特征提取, 全局特征, 局部特征, Fisher判别分析, 流形学习

刘忠宝　赵文娟. 融合全局和局部特征的文本特征提取方法研究*[J]. 情报探索.

融合全局和局部特征的文本特征提取方法研究*

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 0

编辑推荐

Metrics

本文评价